火車采集器是一款專業的互聯網數據抓取、處理、分析，挖掘軟件，多數據庫支持，用戶可以對Access/MySQL/MsSQL/Sqlite/Oracle多種類型的數據庫保存及發布，功能豐富實用操作簡單，支持各種文件數據格式，圖片、壓縮文件、視頻等任意格式的文件都能輕松下載，兼容性極強，適用于各種微軟系統，運行流暢，完美匹配。多個搜索引擎，強大數據搜索能力，業界領先，用戶不需要再下載其他搜索軟件，今天小編就為大家帶來了火車采集器，標簽編輯使用教學，幫助大家更好的使用這一款軟件！

火車采集器標簽編輯使用教學圖1

火車采集器標簽編輯

對數據內容標簽進行編輯定義，數據的獲取方式有

A).從源碼中獲取數據

B).生成固定格式的數據

C).已有標簽組合

A).從源碼中獲取數據：可精確地設置標簽的來源是從默認頁的源碼、返回頭信息和網頁地址中，

或者是分頁、循環分塊、多頁中。

其數據提取方式包括：

A.a).前后截取

A.b).正則提取

A.c).正文提取

A.d).Xpath提取

A.e).JSON 提取

B).生成固定格式的數據：可生成固定的字符串、系統時間、隨機字符串、隨機數字、系統時間戳、隨機抽取信息

C).已有標簽組合：可通過組合已有的標簽，來生成新的標簽內容

A.a).前后截取

通過設置開始字符串和結束字符串，來獲取中間的字符，可以在開始和結束字符串中設置通配符（*）

A.b).正則提取

支持兩種正則，一個純正則，一個參數正則。

先介紹純正則，舉個例子，

如：前字符串 (?<content>[\s\S]*?)后字符串，這個正則其實效果跟前后截取一樣，

如需要獲取全部代碼，則為^(?<content>[\s\S]*?)$ ，此功能運用需有一定的正則基礎。

關于參數正則，是通過參數組合，來生成內容。

比如說要匹配標題為“新用戶注冊”和作者“神秘嘉賓”，代碼如下：

<div class="content">

<h2>新用戶注冊</h2>

<div id="tools">【作者：神秘嘉賓】【字號：<a href="#" class="fontSize">大</a>

設置如圖：

火車采集器標簽編輯使用教學圖2

需要獲取的字段用參數表示，不需要的字段或空格用星號代替；在組合結果里可以對多個參數進行組合。

A.c).正文提取

注意這種方式只適合格式較為規則的多文字數據提取，例如新聞文章。

它不需要設置復雜的規則，可智能分析提取文章正文，文章標題，以及發布時間。

火車采集器標簽編輯使用教學圖3

A.d).Xpath提取

通過Xpath表達式來獲取數據，比如//div[@id=’content’]，

就是獲取id為content的div可指定要獲取html節點的屬性，

比如 Innerhtml、Outerhtml、Innertext、Href屬性。

（注意：這種有一定的局限性，對于部分html標簽不規范的頁面無法解析。）

A.e).JSON提取

通過對JSON形式的數據格式化操作，寫表達式來獲取其節點數據。